日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

硬件與軟件：軀體與靈魂

2020-11-18 22:46:21·  來源：汽車電子與軟件  作者：cao sir  
　
前言：前一段時間特斯拉可付費(fèi)在線激活后排座椅加熱功能又叒叕上了全網(wǎng)熱搜，許多人都稱之為軟件定義汽車的又一次科普。軟件定義汽車這個論斷已經(jīng)開始深入人心！
前言：
前一段時間特斯拉可付費(fèi)在線激活后排座椅加熱功能又叒叕上了全網(wǎng)熱搜，許多人都稱之為軟件定義汽車的又一次科普。軟件定義汽車這個論斷已經(jīng)開始深入人心！
那么未來汽車真的會由軟件來定義嗎？或者說未來汽車真的只由軟件來定義就夠了么？
 
1、硬件與軟件---皮之不存毛將焉附？
軟件與硬件從來都是唇齒相依的共生關(guān)系，硬件是軟件的載體，軟件是硬件的表達(dá)，軟件決定了硬件的操控水平，硬件決定了軟件的功能邊界。
以消費(fèi)電子的頭部網(wǎng)紅美國蘋果公司為例，這家以手機(jī)操作系統(tǒng)為核心競爭力的軟件生態(tài)公司，卻出人意外地在每場新品發(fā)布會上用大篇幅時間介紹其產(chǎn)品在硬件方面的黑科技。其實在我們的生活中也有這種感受，用一臺老電腦玩最新的大型游戲完全帶不動，用老手機(jī)裝新系統(tǒng)卡頓得讓人懷疑人生。所以軟件在前面大放異彩，少不了硬件在背后默默地支持。
 
蘋果公司2020年的秋季發(fā)布會上介紹A14蘋果芯片
 
2、自動駕駛落地需要硬件（AI芯片）的算力支持
自動駕駛的實現(xiàn)，需要依賴感知傳感器對道路環(huán)境的信息進(jìn)行采集，包括超聲波、攝像頭、毫米波雷達(dá)、激光雷達(dá)等，采集的數(shù)據(jù)需要傳送到汽車中央處理器進(jìn)行處理，用來識別障礙物、可行道路等，最后依據(jù)識別的結(jié)果，規(guī)劃路徑、制定速度，自動驅(qū)使汽車行駛。整個過程需要在瞬時完成，延時必須要控制在毫秒甚至微秒級別，才能保證自動駕駛的行駛安全。要完成瞬時處理、反饋、決策規(guī)劃、執(zhí)行的效果，對中央處理器的算力要求非常高。最直觀的體現(xiàn)，便是用于感知道路環(huán)境的攝像頭，通常密布車身，數(shù)量在12個左右，為了識別障礙物，處理器需要對多路攝像頭實時拍攝的數(shù)據(jù)進(jìn)行解析，而單顆1080P的高清攝像頭每秒可以產(chǎn)生超過1G的數(shù)據(jù)，數(shù)據(jù)量不可謂不大。而為了準(zhǔn)確識別圖像、視頻中的有效信息，業(yè)內(nèi)多采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。
 
深度學(xué)習(xí)由訓(xùn)練和推理兩個部分組成
深度學(xué)習(xí)的根本思想就是把任何事物轉(zhuǎn)化成高維空間的向量，而強(qiáng)大無比的神經(jīng)網(wǎng)絡(luò)則是無數(shù)的矩陣運(yùn)算和簡單的非線性變換的結(jié)合。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的實質(zhì)就是將分析過程抽象成乘法的乘積結(jié)果和累加器的值相加，再存入累加器的乘法累積計算。深度學(xué)習(xí)的關(guān)鍵理論是線性代數(shù)和概率論，剩下的就是蠻力計算，因此深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)尤其是幾百上千層的神經(jīng)網(wǎng)絡(luò)對高性能計算要求非常高！因為算力越高在一定時間內(nèi)就可以處理更多的信息，決策的準(zhǔn)確性就會越高！研究表明自動駕駛等級每提高一級，算力就得增加一個數(shù)量級，L2 級別只需2TOPS（TOPS：萬億次浮點指令每秒）算力，但L5則需4000多TOPS算力。
如果說傳統(tǒng)燃油車的性能好壞很大一部分由發(fā)動機(jī)功來決定，那么未來自動駕駛汽車的好壞很大一部分由AI芯片這個數(shù)字引擎的來決定！
 
3、自動駕駛硬件（AI芯片）的架構(gòu)分類
由于自動駕駛高算力和低功耗的強(qiáng)烈需求，傳統(tǒng)單獨(dú)依靠CPU控制芯片已不能滿足該領(lǐng)域的應(yīng)用需求。CPU最大的優(yōu)勢是靈活性。通過馮諾依曼架構(gòu)，我們可以為數(shù)百萬的不同應(yīng)用加載任何軟件。但是由于CPU非常靈活，硬件無法一直了解下一個計算是什么，直到它讀取了軟件的下一個指令。CPU必須在內(nèi)部將每次計算的結(jié)果保存到內(nèi)存中（也被稱為寄存器或 L1 緩存）。內(nèi)存訪問成為CPU架構(gòu)的短板，被稱為馮諾依曼瓶頸。雖然神經(jīng)網(wǎng)絡(luò)的大規(guī)模運(yùn)算中的每一步都是完全可預(yù)測的，每一個CPU的算術(shù)邏輯單元（ALU，控制乘法器和加法器的組件）都只能一個接一個地執(zhí)行它們，每一次都需要訪問內(nèi)存，限制了總體吞吐量，并需要大量的能耗。總而言之CPU雖然能夠非常高效地處理各種計算任務(wù)，但CPU的局限是一次只能處理相對來說很少量的任務(wù)，因此其計算速度要求無法滿足深度學(xué)習(xí)這種需要出色的并行矩陣計算能力的應(yīng)用場景需求！
 
CPU已經(jīng)不能滿足未來自動駕駛芯片的要求
目前，應(yīng)用于L3 以上自動駕駛領(lǐng)域的主控制芯片按照技術(shù)架構(gòu)主要分為三大類：
一、以英偉達(dá)公司的DRIVE PX平臺為代表的圖像處理單元GPU（Graphics Processing Unit）。GPU在執(zhí)行單個任務(wù)時效率較低，而且所能處理的任務(wù)范圍更小。不過GPU 的強(qiáng)大之處在于它們能夠同時執(zhí)行許多任務(wù)，因此GPU對處理復(fù)雜運(yùn)算擁有天然的優(yōu)勢。例如，如果你需要乘3個浮點數(shù)，CPU會強(qiáng)過GPU；但如果你需要做100萬次3個浮點數(shù)的乘法，那么GPU會碾壓CPU。實踐證明GPU對于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和分類都可以提供顯著的加速效果。
 
但是GPU在應(yīng)用于深度學(xué)習(xí)算法時仍然有四個方面的局限性：
1，應(yīng)用過程中無法充分發(fā)揮并行計算優(yōu)勢。深度學(xué)習(xí)包含訓(xùn)練和推斷兩個計算環(huán)節(jié)，GPU 在深度學(xué)習(xí)算法訓(xùn)練上非常高效，但對于單一輸入進(jìn)行推斷的場合，并行度的優(yōu)勢不能完全發(fā)揮；
2，無法靈活配置硬件結(jié)構(gòu)。GPU 采用 SIMT 計算模式，硬件結(jié)構(gòu)相對固定。目前深度學(xué)習(xí)算法還未完全穩(wěn)定，若深度學(xué)習(xí)算法發(fā)生大的變化，GPU 無法靈活的配置硬件結(jié)構(gòu)；
3，GPU仍然是一種通用的處理器，這又把我們帶回到了基礎(chǔ)的問題-馮諾依曼瓶頸。在每次幾千個ALU的計算中，GPU 都需要訪問寄存器或共享內(nèi)存來讀取和保存中間計算結(jié)果。因此GPU若想在其 ALU上執(zhí)行更多的并行計算，它也會成比例地耗費(fèi)更多的能量來訪問內(nèi)存，同時也因為復(fù)雜的線路而增加 GPU 的物理空間占用。因此為了提升運(yùn)行速度，GPU選擇堆砌內(nèi)核，導(dǎo)致尺寸不具有優(yōu)勢；
4，GPU功耗巨大。NVIDIA 的 Drive PX 以及 Xavier 性能雖強(qiáng)，但整體功耗達(dá)到了250w，這會對汽車的電力系統(tǒng)造成一定壓力。一般狀態(tài)下的汽油車是只有引擎發(fā)動時才能發(fā)電帶動功耗較大的設(shè)備功能，比如說冷氣，如果自動駕駛的控制核心就必須消耗上百瓦的功耗，雖然理論上可以在怠速時關(guān)閉大部分針對自動駕駛的計算功能來節(jié)省功耗，但對于燃油汽車的傳統(tǒng)電池仍會造成相當(dāng)大的壓力。就算是電動車，如果非馬達(dá)部件需要消耗這么大的電力，那對于行駛里程也將有一定的減損。且如果開啟自動駕駛，這些控制核心為了對外圍環(huán)境進(jìn)行計算、掌握變化，并隨時針對駕駛情境進(jìn)行反應(yīng)，理論上都是要不間斷、滿負(fù)荷工作，根本沒有機(jī)會進(jìn)入可以降低功耗的休息模式。
 
自動駕駛的芯片需要實時統(tǒng)合龐大的數(shù)據(jù)，從而判斷出駕駛環(huán)境并決定駕駛策略
二、以地平線公司的征程系列為代表專用集成電ASIC（Application Specific Integrated Circuit）。ASIC芯片的計算能力和計算效率都直接根據(jù)特定的算法的需要進(jìn)行定制的，所以其可以實現(xiàn)體積小、功耗低、高可靠性、保密性強(qiáng)、計算性能高、計算效率高等優(yōu)勢。所以，在其所針對的特定的應(yīng)用領(lǐng)域，ASIC芯片的能效表現(xiàn)要遠(yuǎn)超CPU、GPU等通用型芯片以及半定制的FPGA。
 
地平線征程3芯片算力達(dá)到5TOPS，功耗僅有2.5W
以蔚來ES8上使用的Mobileye EyeQ4芯片為例，其最高運(yùn)算速率為2.5TOPS，功耗僅為3W。奧迪A8、沃爾沃XC90、特斯拉Model S等自動駕駛車型上搭載了Mobileye EyeQ3芯片，最高運(yùn)算速率為0.256TOPS，功耗為2.5W，也可滿足自動駕駛L2~L3級所需的計算能力。
除了地平線征程系列、Mobileye的EyeQ系列以外，谷歌的TPU系列、寒武紀(jì)的Cambricon1M系列也都屬于ASIC芯片。
 
當(dāng)然，ASIC芯片的缺點也很明顯，因為其是針對特定算法設(shè)計的，一旦芯片設(shè)計完畢，其所適應(yīng)的算法就是固定的，所以一旦算法發(fā)生變化就可能將會無法使用。但是，隨著自動駕駛軟件、算法越來越成熟和穩(wěn)定，車企們都將會選擇自主開發(fā)匹配自己技術(shù)方案的自動駕駛專用芯片ASIC。
 
不同體系結(jié)構(gòu)性能和靈活性的比較
三、以Xilinx公司的ZYNQ 系列為代表的現(xiàn)場可編程門陣列FPGA（Field-Pro?grammable Gate Array）。FPGA 是在 PAL、GAL、CPLD 等可編程器件基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物，可以通過燒入 FPGA 配置文件來定義這些門電路以及存儲器之間的連線從而實現(xiàn)功能。FPGA可同時進(jìn)行數(shù)據(jù)并行和任務(wù)并行計算，可以實現(xiàn)比 GPU 更高的并發(fā)處理。在密集處理和高并發(fā)上能力上占優(yōu)，而且功耗比 CPU、GPU低。盡管FPGA備受看好，但其畢竟不是專門為了深度學(xué)習(xí)算法而研發(fā)，在實際應(yīng)用中也存在諸多局限：
1、基本單元的計算能力有限。為了實現(xiàn)可重構(gòu)特性，F(xiàn)PGA 內(nèi)部有大量極細(xì)粒度的基本單元，但是每個單元的計算能力（主要依靠 LUT 查找表）都遠(yuǎn)遠(yuǎn)低于 CPU 和 GPU 中的 ALU模塊；
2、計算資源占比相對較低。為實現(xiàn)可重構(gòu)特性，F(xiàn)PGA 內(nèi)部大量資源被用于可配置的片上路由與連線；
3、速度和功耗相對專用定制芯片（ASIC）仍然存在不小差距；
4、FPGA 價格比起 ASIC 較為昂貴，在規(guī)模放量的情況下單塊 FPGA 的成本要遠(yuǎn)高于專用定制芯片ASIC。
 
賽林思ZYNQ系列自動駕駛芯片
 
4、硬件與軟件---軀體與靈魂
如果把軟件比作未來汽車的靈魂，那么搭載軟件的硬件則是靈魂所依靠的軀體。
靈魂與軀體之間是是密不可分，軟件與硬件同樣是一種融合共生的關(guān)系。
沒有高性能的硬件，軟件無法發(fā)揮自己的優(yōu)勢，軟件不夠優(yōu)化，再強(qiáng)大的硬件也無處施展自己的性能，聰明的軟件配合強(qiáng)大的硬件才能讓自動駕駛技術(shù)最終落地為人類服務(wù)。
而未來汽車必將是一個擁有強(qiáng)健體魄和聰明大腦的有機(jī)體！
 
聰明的汽車是軟件與硬件的有機(jī)體
現(xiàn)在回到開頭的問題：
未來汽車會由軟件來定義嗎？
  • 答案是肯定的，因為軟件是未來汽車非常重要的一部分！
  • 答案顯然是否定的，因為未來汽車由軟件來定義，它同樣也由硬件來定義！
軟件定義汽車，硬件決定軟件！
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25